SKILLEMALL.ai

BC child-growth-tracker

Навык отслеживания и оценки развития ребенка V2 (психологически выверенная версия). Основан на 8-мерной модели развития (отношения, моторика, учеба, познание, социализация, привычки, мотивация, интересы), непрерывно записывает, систематизирует и анализирует карту развития ребенка. Данные служат для оценки способностей, с основным фокусом на внутреннюю мотивацию и безопасность в отношениях. Этот навык активируется, когда пользователь упоминает «записать радость», «радость в последнее время», «поведение ребенка», «история развития», «оценка развития», «прыжки со скакалкой», «уличные танцы», «успеваемость», «спортивный прогресс», «ежемесячная памятка», «квартальная оценка», «отслеживание развития», «внутренняя движущая сила», «отношения», «эмоции» и т. д.

машинный переводПоказать оригиналСкрыть оригинал«儿童成长跟踪与评估技能 V2(心理学对齐版)。基于8维发展模型(D0关系、D1运动、D2学业、D3认知、D4社交、D5习惯、D6动机、D7兴…»

儿童成长跟踪与评估技能 V2(心理学对齐版)。基于8维发展模型(D0关系、D1运动、D2学业、D3认知、D4社交、D5习惯、D6动机、D7兴趣), 持续记录、整理和分析孩子的成长档案。数据作为能力评估参考,核心关注内在动机和关系安全感。 当用户提到"记录喜悦""喜悦最近""孩子表现""成长记录""发展评估""跳绳""街舞""学习情况""运动进展" "月度速记""季度评估""成长跟踪""内驱力""关系""情绪"等内容时,必须触发此技能。

ClawHub Agent Skills автор: duzhilei951 v2.1.0 MIT-0 7 файлов тело ≈ 1 139 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык отслеживания и оценки развития ребенка V2 (психологически выверенная версия).

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 74
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1139 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -228 эмодзи в инструкциях: шум для модели
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 219 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 74 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This is a local child-growth recordkeeping skill with disclosed sensitive persistence, but users should control when it writes child-related observations.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.